{"id":955,"date":"2023-07-28T04:47:06","date_gmt":"2023-07-28T04:47:06","guid":{"rendered":"https:\/\/statorials.org\/de\/dplyr-relative-frequenzen\/"},"modified":"2023-07-28T04:47:06","modified_gmt":"2023-07-28T04:47:06","slug":"dplyr-relative-frequenzen","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/dplyr-relative-frequenzen\/","title":{"rendered":"So berechnen sie relative h\u00e4ufigkeiten mit dplyr"},"content":{"rendered":"

<\/p>\n

\n

H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise die relativen H\u00e4ufigkeiten\/Anteile von Werten in einer oder mehreren Spalten eines Datenrahmens in R berechnen.<\/span><\/p>\n

Gl\u00fccklicherweise ist dies mit den Funktionen im dplyr-<\/a> Paket einfach zu bewerkstelligen. Dieses Tutorial zeigt, wie Sie diese Funktionen verwenden, um relative H\u00e4ufigkeiten im folgenden Datenrahmen zu berechnen:<\/span><\/p>\n

 #create data frame<\/span>\ndf <- data.frame(team = c('A', 'A', 'A', 'B', 'B', 'B', 'B'),\n                 position = c('G', 'F', 'F', 'G', 'G', 'G', 'F'),\n                 points = c(12, 15, 19, 22, 32, 34, 39))\n\n#view data frame\n<\/span>df\n\n  team position points\n1 AG 12\n2 AF15\n3 FY 19\n4 BG 22\n5 BG 32\n6 BG 34\n7 BF 39\n<\/strong><\/pre>\n
 Beispiel 1: Relative H\u00e4ufigkeit einer Variablen<\/strong><\/span><\/h3>\n
 Der folgende Code zeigt, wie die relative H\u00e4ufigkeit jedes Teams im Datenrahmen berechnet wird:<\/span><\/p>\n
 library(dplyr)\n\ndf %>%\n  group_by<\/span> (team) %>%\n  summarize<\/span> (n = n()) %>%\n  mutate<\/span> (freq = n \/ sum(n))\n\n# A tibble: 2 x 3\n  team n freq\n    \n1 to 3 0.429\n2 B 4 0.571\n<\/strong><\/pre>\n
 Dies zeigt uns, dass Team A 42,9 % aller Zeilen im Datenrahmen ausmacht, w\u00e4hrend Team B die restlichen 57,1 % der Zeilen ausmacht. Beachten Sie, dass sie zusammen 100 % ergeben.<\/span><\/p>\n
 Beispiel 2: Relative H\u00e4ufigkeit mehrerer Variablen<\/strong><\/span><\/h3>\n
 Der folgende Code zeigt, wie die relative H\u00e4ufigkeit der Positionen pro<\/em> Team berechnet wird:<\/span><\/p>\n
 library(dplyr)\n\ndf %>%\n  group_by<\/span> (team, position) %>%\n  summarize<\/span> (n = n()) %>%\n  mutate<\/span> (freq = n \/ sum(n))\n\n# A tibble: 4 x 4\n# Groups: team [2]\n  team position n freq\n       \n1 AF 2 0.667\n2 AG 1 0.333\n3 BF 1 0.250\n4 BG 3 0.750\n<\/strong><\/pre>\n
 Dies sagt uns Folgendes:<\/span><\/p>\n
 Verwandte Themen:<\/strong> Der vollst\u00e4ndige Leitfaden: So gruppieren und fassen Sie Daten in R zusammen<\/a><\/span><\/p>\n